36氪研究院：人工智能行业研究报告_2017-02_75页_4mb

人工智能行业研究报告总结

核心内容

本报告由36氪研究院发布，旨在全面分析人工智能行业的发展现状、技术趋势、政策法规、投资热度以及产业链布局，涵盖人工智能基础技术、终端产品和应用场景，为读者提供一份详尽的行业洞察。

主要观点

• 人工智能是融合计算机科学、生理学、哲学的交叉学科，广泛应用于多个行业。
• 数据量、运算力和算法技术是推动人工智能发展的三大核心要素。
• 深度学习技术在人工智能领域发挥了革命性作用，显著提升了计算机视觉、语音识别和语义识别的准确率。
• 人工智能行业在全球范围内发展迅速，2016年全球融资金额达到48亿美元，而国内投资热度同样显著，2015-2016年投资金额达90亿元人民币。
• 人工智能产业链可分为基础支撑层、技术应用层和方案集成层，其中基础层包括算法模型和AI芯片等。
• 科技巨头在人工智能领域布局广泛，包括打造开源平台、研发AI芯片和收购AI技术公司。

关键信息

1. 行业驱动因素

• 数据量：2000年后，数据量的激增为人工智能的发展提供了燃料。数据量与算法准确率呈正相关。
• 运算力：GPU、FPGA、ASIC等芯片的出现极大提升了数据处理效率，降低了运算成本。
• 算法技术：深度学习的出现突破了传统浅层学习算法的瓶颈，成为当前主流算法。

2. 政策法规

• 国外：美国、欧盟和日本均出台了多项政策支持人工智能发展，如美国的“BRAIN计划”、欧盟的“人脑计划”和日本的“Brain/MINDS计划”。
• 国内：中国也出台了多项政策推动人工智能发展，如《“互联网+”人工智能三年行动实施方案》和《“十三五”国家科技创新规划》等。

3. 投资热度

• 全球投资：2011Q1-2016Q2，全球人工智能融资金额增长12倍，达到48亿美元。
• 国内投资：2015-2016年，国内人工智能融资金额约为90亿元人民币，其中NLP、机器人和计算机视觉是投资热点。
• 融资轮次：多数公司处于天使轮、Pre-A轮和A轮阶段，C轮后公司较少。

4. 产业链构成

• 基础支撑层：包括算法模型（软件）和关键硬件（如AI芯片、传感器）。
• 技术应用层：涵盖计算机视觉、语音识别、语义识别等感知技术。
• 方案集成层：集成各类技术，形成面向具体应用场景的产品或服务。

5. 巨头布局

• 开源平台：Google、Facebook、Microsoft、IBM等均推出了AI开源平台，如TensorFlow、Torch、DMTK等。
• AI芯片：NVIDIA、Google、Intel等公司布局AI芯片，如NVIDIA的P100 GPU、Google的TPU等。
• 核心技术：科技巨头通过收购和合作获取先进技术，如Google收购DeepMind、IBM收购Alchemy API等。

6. 基础应用分析

• 语音识别：技术较为成熟，但背景噪音仍是主要瓶颈。主要应用于呼叫中心、在线教育等刚需场景。
• 语义识别：技术难度高，主要瓶颈在于语义的复杂性，如因果关系和逻辑推理。典型公司包括科大讯飞、出门问问等。
• 计算机视觉：在人脸识别和视频监控等领域较为成熟，但物体和场景识别仍需大量数据支持。典型公司包括旷视科技、商汤科技等。

7. AI芯片分析

• GPU：适合大规模并行运算，集成度和制造工艺成熟，是当前AI运算的主流选择。
• FPGA：高性能、低功耗，适合可编程需求高的场景，如军事和工业电子。
• ASIC：作为定制芯片，性能和能耗优于现有芯片，但开发和生产成本高，适合明确应用场景的企业。

8. 芯片产业链

• 上游：IC设计，如NVIDIA、Xilinx、高通等。
• 中游：晶圆代工，如台积电、联电、三星等。
• 下游：专业封测，如日月光、艾克尔、矽品等。

9. 典型公司分析

• Kneron：专注于移动端AI软硬件研发，主要产品包括SDK和芯片IP，客户包括腾讯、华硕等。
• NVIDIA：全球领先的GPU厂商，其产品广泛应用于AI领域。
• Xilinx：专注于FPGA，为AI提供高性能、低功耗解决方案。

行业趋势展望

• 人工智能将在各行业持续渗透，特别是在安防、金融、医疗、家居等领域。
• AI芯片的定制化趋势明显，ASIC将成为未来AI加速硬件的重要方向。
• 深度学习、自然语言处理和计算机视觉将成为AI技术发展的主要方向。
• 随着技术进步和数据积累，AI在实际应用中的准确率和效率将不断提升，推动行业快速发展。